Google comenzó a desarrollar TPU hace más de una década para poder acelerar tareas de reconocimiento de voz y traducción automática. La compañía sigue desarrollando estos aceleradores y ahora los enfoca en IA, centrándose en modelos de Gemini y también en servicios de inteligencia artificial de Google Cloud. El negocio de TPU cuenta ya con cerca de 100 clientes, entre los que se encuentran laboratorios de investigación, empresas financieras, universidades y grandes compañías comerciales. Aprovechando que siguen creciendo en este sector, Google ha anunciado sus nuevos aceleradores de IA, las TPU 8tx y la 8i Max.

Google no quiere depender de NVIDIA en IA, pues las GPU de esta compañía son muy caras al tener que pagar más de 30.000 dólares por una de ellas. Por ello, entre sus alternativas estaba la de diseñar sus propios aceleradores de IA y así es como impulsó su negocio de TPU. No solo Google las usaba en su propia IA Gemini, sino que cada vez tenía más clientes interesados en ellas. Hace unos meses vimos los primeros detalles de las nuevas TPU 8t y 8i que ofrecían hasta 10 veces más rendimiento y hasta 288 GB de memoria HBM, dejando claro que no necesitaban a NVIDIA para seguir adelante.

Google revela sus nuevas TPU 8tx y 8i Max para IA

Google ha ofrecido nuevos detalles sobre sus aceleradores TPU 8tx y TPU 8i Max con los que amplía a cuatro modelos su octava generación de TPU lanzados en 2026. La compañía explica que esta estrategia responde a la evolución de la IA hacia sistemas de agentes autónomos capaces de ejecutar tareas complejas, trabajar con cantidades enormes de información y mantener procesos activos durante largos periodos. Frente a los aceleradores tradicionales, centrados principalmente en ofrecer la máxima potencia de cálculo, Google apuesta por arquitecturas especializadas que optimizan aspectos como la memoria, la seguridad, la latencia y el consumo energético.

Una de las principales novedades del TPU 8tx es su capacidad para realizar computación confidencial directamente en el hardware. Habitualmente, los datos permanecen cifrados cuando están almacenados o se transmiten, pero deben descifrarse durante su procesamiento. Google pretende reducir esta vulnerabilidad mediante mecanismos que mantienen aislados y protegidos tanto los datos como los parámetros de los modelos durante su utilización. Además, combina la potencia de entrenamiento del TPU 8t con la red Boardfly, diseñada para reducir las latencias de comunicación. Según Google, consigue una latencia 2 veces inferior frente al TPU 8t, con una penalización de rendimiento prácticamente inexistente por la seguridad incorporada.

La TPU 8i Max tiene dos 8i, lo que implica que alcanza 576 GB de memoria HBM para grandes modelos de IA

Por su parte, el TPU 8i Max incorpora dos chips TPU 8i dentro de un mismo encapsulado, duplicando la potencia de cálculo, la memoria SRAM y el ancho de banda de HBM. Por tanto, la 8i Max llegaría a 576 GB de memoria HBM con 768 de SRAM y 20,2 PFLOPS FP4. Su principal objetivo es superar las limitaciones de memoria que aparecen cuando los modelos manejan contextos de millones de tokens. Además, esta configuración permite integrar el doble de silicio en el mismo espacio de rack, aumentando la densidad de procesamiento sin necesidad de duplicar la superficie ocupada por los servidores.

También destacamos la existencia de TPU Sync, una tecnología que unifica la gestión de memoria HBM, RAM de los servidores, almacenamiento compartido y redes de los centros de datos. Su función consiste en trasladar automáticamente información entre distintos niveles de memoria para evitar que los aceleradores se queden sin espacio cuando procesan grandes ventanas de contexto. Google asegura que esta solución puede reducir más de un 90% la latencia en tareas relacionadas con las transferencias de caché KV y el tiempo necesario para generar el primer token de una respuesta. Esta optimización resulta especialmente importante en sistemas de inferencia distribuidos y agentes autónomos que mantienen conversaciones o procesos prolongados.